Sickle Cell Disease Management in Primary Health Care Centers, Knowledge, Attitude and Practice among Physicians, Qatif, Eastern Province, Kingdom of Saudi Arabia
Notice bibliographique
Résumé
Introduction: There are numerous and different types of studies done on the management of Sickle Cell Disease, although they have been made on a hospital basis whether in Saudi Arabia or worldwide, whereas when searching the literature for primary health care centres based, data was limited. Methods: This is a cross-sectional study conducted in Qatif region, Eastern Province, KSA, in the period between May 2019- May-2020. Primary health centers (36 centers) belonging to MOH in Qatif region with approximately 160 physicians were included in this study. Primary health care physicians including general practitioners, family medicine diplomas, and board-certified were surveyed. Other physician’s specialties working in PHC such as radiologists, pediatricians, and dentists were excluded. Total coverage sampling was used with an electronic questionnaire were sent by emails and mobile messaging programs. The dependent variables were PHC physicians’ level of knowledge towards SCD management, attitude towards SCD management, and practices towards SCD management. Results: Out of 111 participants included from PHC Centers in Qatif and Dammam sectors, 44.1 % are males and 55.9 % are females. Most of the participants were 25-35 years old while only 2.7 % were above 55 years old. The participants were selected from Qatif region, based on the inclusion criteria, because SCD is common mainly in Qatif region. About 95.5 % of the participants were Saudis. Conclusion: Although three-quarters of the doctors answered the majority of questions correctly, the level of knowledge is considered inadequate regarding SCD, particularly in aspects of screening and management of SCD patients. Despite the positive attitudes regarding SCD treatment, the majority of doctors were not confident in the effect of treatment on patients’ quality of life. Practices such as referral to the hematologists and prescription of folic acid were the most commonly reported practices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».